May, 2024

哪些信息起作用？通过部分信息分解解析人类编写的多文档摘要

PDF
TL;DR通过部分信息分解的方法，我们对人工撰写的摘要进行了特征化，发现源文件的数量与其对摘要的贡献存在直接依赖关系。
high-quality summariesmulti-document summarizationinformation decompositionmds datasetssource contribution
发现论文，激发创造
  • 多篇文档摘要如何 “多”?

    本文介绍一种用于评估多文档摘要生成模型及数据集中数据分散程度的自动化度量方法，并检验几个流行的多文档摘要数据集，结果表明某些数据集没有利用多文档信息，提出应用该度量方法评估数据集和模型的性能。

    Oct, 2022

  • 抽象多文档摘要中的特异性解析

    本文提出了一种解决多文档摘要中忽略文档细节的问题的方法，通过从文档集中解开特定的内容并学习文档的特定表示，将特定信息与文档集表示结合，获得更全面的多文档摘要。

    May, 2024

  • 深度学习技术在多文档摘要中的应用：一项调查

    本文回顾了近期基于深度学习的多文档摘要模型，提出了新的分类方法以及对这个领域的现状进行了综合总结，并且强调了现有文献中很少讨论的各种目标函数之间的区别，最后对未来发展方向提出了几个建议。

    Nov, 2020

  • 从多个排名候选项中解开指导性信息以用于多文档科学摘要

    本文提出了一种新的多文档科学摘要方法，利用全局信息和摘要候选项来指导解码过程，在选择更高质量的候选项和处理全局信息方面取得了明显的性能改进。

    Apr, 2024

  • 主题引导的抽象多文档摘要

    该论文提出了一种基于异构图和神经主题模型的抽象多文档摘要模型，采用图到序列的框架，同时训练主题和摘要模块以提高性能和生成高质量主题。

    Oct, 2021

  • 探索开放领域多文档摘要的挑战

    本文研究了 Multi-document summarization (MDS) 在基于开放领域的信息检索下的应用。作者在实验中发现现有的摘要算法性能较低，但通过训练摘要算法可以减少检索错误对算法性能的影响。此外，作者还进行了扰动实验研究了不同类型的文档检索错误对算法影响并提出了实用指南。

    Dec, 2022

  • 多文档摘要中的语料库评估和系统偏差检测

    本文通过使用多个 MDS 语料库和一系列最先进的模型来研究这个异构任务，并尝试量化纲要质量并提出考虑制定新 MDS 纲要的要点。此外，我们分析了缺乏在所有语料库上均实现卓越性能的 MDS 系统的原因，并观察到流程度受到系统指标度量的影响，并由于语料库属性而传播偏见。

    Oct, 2020

  • 利用点互信息的非监督式抽取式摘要

    通过使用点间互信息（PMI）计算相关性和冗余度量来提高提取性摘要，同时开展贪婪句子选择算法以最大化提取的句子的相关性和最小化冗余度。

    Feb, 2021

  • 数据解释性和特征选择的部分信息分解

    本文介绍了 Partial Information Decomposition of Features（PIDF），一种同时实现数据可解释性和特征选择的新范式。相较于传统方法，我们的方法基于每个特征的三个度量值：与目标变量的相互信息、特征对协同信息的贡献以及冗余信息的数量。我们根据这三个度量值开发了一种新的程序，不仅揭示了特征与目标的相关性，还考虑了特征与其他特征的组合所提供的额外和重叠信息。我们广泛评估了 PIDF，使用了合成和真实数据，并通过遗传学和神经科学领域的案例研究展示了其潜在应用和有效性。

    May, 2024

  • 非参数记忆引导的多文档摘要

    我们提出了一种用于摘要生成的检索引导模型，结合了非参数记忆。该模型使用近似最近邻搜索从数据库中检索相关的候选文本，然后利用复制机制和源文档生成摘要。我们在包括科学文章的 MultiXScience 数据集上评估了我们的方法，并讨论了我们的结果和未来工作的可能方向。

    Nov, 2023